请介绍一个你实现过的CUDA算子，包括其功能、并行化思路和性能优化细节。

Question

Accepted Answer

考察点：考察CUDA编程实践、并行化设计与性能优化能力。回答思路：清晰描述算子功能与输入输出 解释线程/块组织与内存访问模式 说明性能瓶颈识别与优化手段 给出可量化的性能改进结果

考察说明